KI für Maschinenbau: MCP an ERP, PLM & MES anbinden

Das eigentliche Problem: Daten-Inseln statt Durchblick

Im Maschinenbau wächst die Systemlandschaft über Jahre. Das ERP (SAP, proALPHA, abas oder Microsoft Dynamics 365 Business Central) führt Aufträge, Materialwirtschaft und Disposition. Das PLM hält Konstruktion und Varianten, das MES kennt den realen Fertigungsfortschritt, und im CRM liegen Anfragen und Servicefälle. Jedes System ist für sich sinnvoll — die Reibung entsteht an den Schnittstellen dazwischen.

Die Folge kennt jeder Betriebsleiter: Der Vertrieb verspricht einen Liefertermin, ohne den echten Produktionsstatus zu kennen. Der Service sucht eine Ersatzteilnummer über mehrere Stücklisten-Generationen hinweg. Die Arbeitsvorbereitung pflegt dieselbe Information dreimal. Das ist kein Tool-Problem — es ist ein Verbindungsproblem.

Genau hier setzt das Model Context Protocol (MCP) an. Es ist ein offener Standard, über den ein KI-Agent strukturiert und nachvollziehbar auf Ihre Fachsysteme zugreift — ohne dass für jede Frage ein neues Skript oder ein Export nach Excel nötig ist.

Use Cases: Wo KI im Maschinenbau real Zeit spart

1. Auftrags- & Produktionsstatus auf Zuruf „Wie weit ist Fertigungsauftrag 4711, und hält der Liefertermin?" Der Agent kombiniert den Auftragskopf aus dem ERP mit dem Rückmeldestand aus dem MES und nennt Engpass-Arbeitsgänge — ohne dass jemand zwischen den Masken springt.
2. Stücklisten- & BOM-Recherche „Welche Baugruppen enthalten Lager Typ X, und in welchen Varianten?" Mehrstufige Stücklisten und Variantenkonfiguration sind im Maschinenbau die Komplexitätsfalle schlechthin. Der Agent durchsucht die BOM strukturiert und liefert die Treffer mit Mengen und Positionen.
3. Ersatzteil- & Service-Anfragen Eine Servicemail nennt eine Maschinen-Seriennummer. Der Agent findet die zugehörige Stückliste, identifiziert das passende Ersatzteil, prüft Lagerbestand und Wiederbeschaffungszeit im ERP und legt einen Angebots- oder Bestellentwurf an — der Disponent gibt frei.
4. Angebots-Drafts aus Anfrage Aus einer technischen Anfrage zieht der Agent ähnliche Vorgängeraufträge, übernimmt Konfiguration und Richtpreise und erstellt einen Angebotsentwurf im ERP/CRM. Vertrieb und Technik prüfen einmal — der erste Wurf steht in Minuten statt Stunden.
5. Disposition & Materialverfügbarkeit „Welche offenen Aufträge sind durch fehlendes Material gefährdet?" Der Agent gleicht Bedarfe, Bestände und Bestellungen ab und priorisiert — eine Vorarbeit, die heute oft manuell in Excel passiert.
6. Service-Reporting & Kundenhistorie Vor dem Kundengespräch fasst der Agent offene Servicefälle, gelieferte Maschinen und letzte Wartungen aus CRM und ERP zusammen — der Außendienst geht vorbereitet ins Meeting.

Die Lösungs-Story: ein Server, viele Systeme

Der entscheidende Hebel ist nicht ein weiteres Insel-Tool, sondern das Bündeln. Statt für jedes System eine eigene KI-Bastelei zu bauen, legen wir einen MCP-Server vor Ihre Landschaft, der die jeweiligen Fachsysteme als saubere, abgegrenzte Werkzeuge bereitstellt:

• ERP-Anbindung: Aufträge, Materialwirtschaft, Bestände und Belege. Für SAP nutzen wir die wachsende MCP-Unterstützung — SAP bringt 2026 einen ABAP-MCP-Server und hat Claude über das Model Context Protocol in den KI-Assistenten Joule integriert. Details auf unserer Seite MCP-Server für SAP. Für Microsoft Dynamics 365 Business Central läuft die Anbindung über die OData-/API-Schicht — siehe MCP-Server für Business Central. Für proALPHA und abas (Forterro baut über die MyForterro-Plattform an MCP-Unterstützung) setzen wir auf die dokumentierten Schnittstellen.
• PLM/MES-Brücke: Stücklisten, Varianten und Fertigungsrückmeldungen werden lesend angebunden, sodass der Agent Konstruktions- mit Produktionsdaten verknüpfen kann.
• CRM-Schicht: Anfragen, Angebote und Servicefälle. Für Cloud-ERP/CRM wie weclapp gibt es eigene Wege — siehe MCP-Server für weclapp.
• Read-vor-Write: Standardmäßig liest der Agent und erstellt Entwürfe. Statusänderungen, Bestellungen oder Angebote werden als Vorschlag angelegt und von einem Menschen freigegeben.

Der Charme von MCP: Wo heute schon ein offizieller Server existiert, nutzen wir ihn. Wo nicht, bauen wir einen schlanken Adapter auf die ohnehin vorhandene REST-, OData- oder SOAP-Schnittstelle. Das KI-Modell bleibt austauschbar — Sie binden sich nicht an einen Anbieter.

DSGVO, Datenhoheit & Sicherheit im Industriekontext

Konstruktionsdaten, Kalkulationen und Kundenaufträge gehören zum Kernkapital eines Maschinenbauers. Entsprechend halten wir die gesamte Verarbeitungskette in Europa und geben Ihnen die Kontrolle zurück:

• EU-Hosting des MCP-Servers (z. B. Hetzner oder Azure Germany), kein US-Edge. Die Server-Komponente kann auch on-premise im eigenen Netz laufen, wenn die IT das verlangt.
• KI-Modell mit EU-Datenresidenz: Claude über AWS Bedrock in der EU-Region Frankfurt, Google Vertex AI (EU), OpenAI Enterprise EU oder Azure OpenAI Deutschland — mit Auftragsverarbeitungsvertrag.
• Least Privilege: Der Agent sieht nur die Felder und Mandanten, die er für die Aufgabe braucht. Keine Generalfreigabe auf das ganze ERP.
• Lückenloses Logging: Jede Abfrage und jede Schreibaktion wird mit Zeitstempel, Nutzer und Datendiff protokolliert — wichtig für Revisionssicherheit und IT-Audits.
• Keine Trainingsnutzung: Über Enterprise-Verträge ist ausgeschlossen, dass Ihre Auftrags- oder Konstruktionsdaten in das Training fremder Modelle fließen.

Wer tiefer einsteigen will: Wir haben das Thema separat in DSGVO-konforme KI aufbereitet.

Vorgehen & Aufwand

Wir starten klein und beweisbar. Ein einzelner, scharf abgegrenzter Use Case — etwa die Auftragsstatus-Abfrage oder die Ersatzteil-Recherche — ist meist in wenigen Wochen produktiv. Danach erweitern wir in Inkrementen um weitere Systeme und Tools.

• Audit zuerst: Wir sichten ERP-Version, verfügbare Schnittstellen und die Systemlandschaft und priorisieren die Use Cases nach Nutzen und Machbarkeit.
• Erster Use Case als Pilot — bewusst eng, um schnell echten Mehrwert zu zeigen, statt monatelang ins Blaue zu integrieren.
• Förderfähig: Beratungs- und Konzeptionsanteile lassen sich häufig im Rahmen öffentlicher Mittelstandsförderung bezuschussen — das prüfen wir unverbindlich mit.

Eine belastbare Aufwandsschätzung geben wir nach dem Erstgespräch — abhängig von Ihrer Systemlandschaft, den gewünschten Use Cases und dem Reifegrad Ihrer Schnittstellen.

Häufige Fragen

Was bringt KI im Maschinenbau konkret?

Vor allem Geschwindigkeit bei Routine-Fragen. Statt sich durch ERP, PLM und MES zu klicken, fragen Disposition, Vertrieb oder Service in normaler Sprache — „Wo steht Auftrag 4711?", „Welche Teile fehlen?" — und bekommen die Antwort aus den Live-Daten. Das spart keine Maschinen, aber täglich viele kleine Such- und Wartezeiten, die sich aufsummieren.

Funktioniert MCP mit SAP, proALPHA und abas?

Ja. SAP bietet ab 2026 einen ABAP-MCP-Server und hat Claude über das Model Context Protocol in den Assistenten Joule integriert. abas baut über die Forterro-Plattform MyForterro MCP-Anbindung auf. Wo noch kein offizieller Server existiert, setzen wir einen Adapter auf die dokumentierten Schnittstellen — die Daten bleiben dabei in Ihrer Hand.

Greift der KI-Agent schreibend in die Produktionsdaten ein?

Standardmäßig nicht. Der Agent liest und erstellt Vorschläge: ein Angebotsentwurf, ein Bestellvorschlag, eine vorbereitete Statusänderung. Erst nach menschlicher Freigabe wird etwas verbindlich. So bleibt die Verantwortung bei Ihren Mitarbeitenden, und der Agent ist eine Zuarbeit, kein unkontrollierter Akteur.

Ist das DSGVO-konform für einen Industriebetrieb?

Ja, wenn die Kette stimmt: MCP-Server auf EU-Hosting (oder on-premise), KI-Modell mit EU-Datenresidenz und Auftragsverarbeitungsvertrag, Least-Privilege-Zugriff und vollständiges Logging. Konstruktions- und Auftragsdaten verlassen den europäischen Raum nicht und fließen nicht in fremdes Modelltraining.

Müssen wir unser ERP wechseln oder umstellen?

Nein. Der MCP-Server legt sich vor Ihre bestehenden Systeme und nutzt deren Schnittstellen. Sie behalten SAP, proALPHA, abas oder Business Central — die KI-Schicht kommt obendrauf, nicht an deren Stelle.

Wie schnell ist ein erster Use Case produktiv?

Ein eng abgegrenzter Use Case ist typischerweise in wenigen Wochen nutzbar. Wir empfehlen, mit einem System und einer klaren Frage zu starten, den Nutzen zu belegen und dann in Inkrementen zu erweitern — statt von Anfang an alles auf einmal zu integrieren.